Python 计算包含特定数据组合的唯一项的数量

我使用pandas数据框在一个相当大的csv上提供信息。我想知道有多少唯一ID包含特定的关联。我想找到的东西如下所示。我知道使用pandas可以在一行上完成这项工作，但我无法找出正确的语法组合来获取所需的数据

我已经尝试在数据帧上使用groupby（'ID'）['Associations']，但我不知道如何给出包含这些组合的ID的数量。例如下面提供的示例

csv=pd.read\u csv（'export.csv'，delimiter=“，”）
打印（csv）
身份证协会
1“AA”
1“BB”
1“CC”
2“AA”
3“BB”
4“CC”
5“AA”
5“BB”
6“AA”
6“CC”
7“CC”
7“BB”
7“AA”

因此，当我寻找特定的组合时，例如[“AA”，“BB”，“CC”]或[“AA，CC”]，它会给我一些计数，例如

给出_计数（[“AA”、“BB”、“CC”]）
>> 2
#因为ID 1和7有“AA”、“BB”和“CC”
给出_计数（[“AA，CC”]）
>> 3 
#因为ID 1、6和7有“AA”和“CC”
给出_计数（[“AA”]）
>> 5
#因为ID 1、2、5、6和7有“AA”

因此，基本上，我在寻找有多少唯一ID与该数据组合相关联。我知道这涉及到使用groupby（），但我不知道如何从这里开始

提前感谢您

• 这是你可以走的一条路
• 第一组按

  ID

  聚合

  关联

  列
• 首先排序，然后合并此关联进行计数

• value\u counts

  提供每个组合的计数

输出：

AABBCC    2
AACC      1
Name: Associations, dtype: int64

5
3
2

• 您还可以从此列表中检索哪个组合的

  ID

您可以尝试以下方法：

def give_count(lst):
    return df.groupby('ID')['Associations'].apply(lambda x: all((x == i).any() for i in lst)).sum()

print(give_count(['"AA"']))
print(give_count(['"AA"','"CC"']))
print(give_count(['"AA"','"BB"','"CC"']))

输出：

AABBCC    2
AACC      1
Name: Associations, dtype: int64

5
3
2

---

嗨，我想这正是我想要的。如果数据集在数十万行中，是否有这样做的方法？我正在使用的csv有288000行长，有数千个唯一ID和几十个唯一关联HRM。。。我知道没有一种方法。不过，我相信这可以用numpy优化。我想这将是我的下一个问题，我将如何在numpy中做到这一点？还有一个问题是，这是否会将增加一倍的东西计算在内。比如，如果ID#1有“AA”、“BB”和“AA”，并且我运行了一个give#u count（“AA”），那么ID#1仍然只能算1，还是只能算2？非常感谢您迄今为止的帮助。如果“AA”出现两次，此答案在ID中仍应仅给出1的计数。我想。